(价值400)GPU并行计算与CUDA编程(第三期)-2018年炼数C金
〖课程介绍〗:4 z* o9 H( m8 C' u5 FR6 q: U) J近年来,随着深度学习的高速发展,大数据技术的普及,接下来紧接的会普及发展的想必就是硬件层面的配合,而GPU无疑是最重要的趋势。过去几年,计算领域我们目睹了英伟达(NVIDIA)公司带来的变革。计算统一设备架构(Compute Unified Device Architecture, CUDA)编程语言的引入,第一次使这些非常强大的图形处理器为C程序员日常所用,以应对日益复杂的计算工作。从嵌入式设备行业到家庭用户,再到超级计算机,所有的一切都因此而改变。
计算机软件界最大的变迁是从串行编程转向了并行编程。其中,CUDA起到了重要的作用。究其本质,图形处理单元(Graphics Processor Unit,GPU)是为高速图形处理而设计的,它具有天然的并行性。CUDA采用了一种简单的数据并行模型,再结合编程模型,从而无需操纵复杂的图形基元。8 @% N9 K. g6 G6 |2 f. v) \" s
我们也可以轻而易举的发现各种各样的开源计算机库,例如OpenCV,Caffe,TensorFlow等等,都提供了对应于GPU的使用接口,使得GPU的使用越来越主流而高效。; k- L3 f6 }! I- _5 y$ u
本课程主要分为四部分,分别涵盖了硬件搭载知识、CUDA编程基础、CUDA性能优化与设计、实战项目经验。
〖课程目录〗:1 r. `, f% m- V' k6 m3 ?
一. GPU与CUDA背景基础介绍
第1课 CUDA硬件环境,体系结构,软件环境介绍,包括平台、架构、开发工具和热点技术
第2课 并行编程介绍,CUDA核心概念,包括网格、线程块,不同类型内存的工作机制/ W* ^$ _8 I3 r- j* h/ z+ Y
二. CUDA编程基础( A: L5 |/ t# k* K" @& _& Z; C: Q
第3课 CUDA设备内存、常量内存、共享内存和纹理内存,CUDA流和事件
第4课 CUDA执行模式、线程调度、内核执行和CUDA存储器的使用
第5课 CUDA流处理器簇、多GPU编程、纹理操作
三. CUDA性能优化与设计, G. y* D' b% M9 c( P5 Y
第6课 CPU/GPU协同编程,串行/并行程序中提高并行度的常用策略
第7课 流式负载以及使用GPU做应用程序性能优化常用策略& Y2 f/ W/ o4 _! l
第8课 在集群中使用CUDA
四. 实战项目经验
第9课 应用CUDA做高维数据处理
第10课 CUDA+OpenGL做图形渲染) A3 H* ]+ hg% W5 |& ~
第11课 CPGPU实现视频流实时光流跟踪2 b" O2 a* @4 k3 ^" U
第12课 深度学习框架中的GPU应用
资源下载地址和密码(百度云盘):**** Hidden Message ***** 百度网盘信息回帖可见
本资源由Java自学网收集整理【www.javazx.com】 GPU并行计算与CUDA编程 gpu编程有什么不一样的吗其实把操作系统看明白了 应该也是大差不差~ 123123123123123 GPU并行计算与CUDA编程(第三期) 324324234234232 (价值400)GPU并行计算与CUDA编程(第三期)-2018年炼数C金 [修改] 下来看看!!!!!!!!!!!!!! GPU并行计算与CUDA编程(第三期)-2018年炼数C金 感谢分享